Ag
ARIA: Runtime Inspection and Amendment for Multi-Agent Systems
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
Agent·arXiv cs.AI·4 天前
先用站内已采集内容作答;站内不足时联网检索,每条结论都给出来源链接
1 条 · 点击可看原文全文与中文译文
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
现有资料不足以回答「ARIA 训练出的小模型在推理时如何决定介入时机」这一具体机制问题——资料 1 只给出了框架层面的描述,没有披露介入时机的判定逻辑、触发条件或阈值设计。 资料中能确认的部分:
也就是说,资料只能说明小模型被训练成「中途识别错误并介入」的角色1,但没有说明它在推理时依据什么信号(如检查点频率、置信度、验证器反馈、轨迹异常模式等)来决定何时触发介入。这部分需要查阅原文正文。